生物医学知识图谱将本体层次结构与表型、疾病、基因、蛋白质、患者等异构实体之间的横向关联相结合，形成一种混合拓扑。该结构引发了一个问题：能够自然捕捉树形组织的双曲嵌入，是否仍然在包含大量非层次关系的图中保持优势？
本文对在患者集成的生物医学图谱上进行孟德尔疾病差异诊断的双曲图表示学习进行了初步探索。首先，在仅包含本体子图的实验中，双曲模型在维度远低于欧氏基线的情况下实现了强劲的预测性能，验证了其对层次信息的高效编码能力。随后，在一个链接预测任务中，我们对每位患者的候选疾病进行排序。实验结果表明，双曲嵌入既能利用生物医学层次结构，又能在包含患者级异构关系的图上支持诊断推理。
这些发现提示，双曲空间是处理包含显著层次特征的生物医学知识图谱的有力工具，尤其在需要低维高效表示的差异诊断场景中表现突出。
点评